网站建设需求分析范例官网最新版cmsv6

去年已经使用过chattts了，但是昨晚想用的时候却记怎么打开了，找了一下以前的笔记

MacOS 下源码部署chat-tts-ui

1. 配置好 python3.9-3.11 环境,安装git ，执行命令 brew install libsndfile git

2. python@3.10 继续执行

   brew install ffmpeg
   ​
   export PATH="/usr/local/opt/python@3.10/bin:$PATH"
   ​
   source ~/.bash_profile 
   ​
   source ~/.zshrc

3. 创建空目录 /data/chattts 执行命令 cd /data/chattts && git clone https://github.com/jianchang512/chatTTS-ui .

4. 我的路径是/Users/lin/Documents/chattts/data/chatts/chatTTS-ui

5. 创建虚拟环境 python3.10 -m venv venv

6. 激活虚拟环境 source ./venv/bin/activate

7. 安装依赖 pip3 install -r requirements.txt

8. 安装torch pip3 install torch==2.2.0 torchaudio==2.2.0

9. 执行 python3 app.py 启动，将自动打开浏览器窗口，默认地址,如果跳转到了0.0.0.0:9966没联网的情况下可以输入 http://127.0.0.1:9966 (注意：默认从 modelscope 魔塔下载模型，不可使用代理下载，请关闭代理)

 

Linux 下容器部署

安装

1. 拉取项目仓库

   在任意路径下克隆项目，例如：

   git clone https://github.com/jianchang512/ChatTTS-ui.git chat-tts-ui

2. 启动 Runner

   进入到项目目录：

   cd chat-tts-ui

   启动容器并查看初始化日志：

   gpu版本
   docker compose -f docker-compose.gpu.yaml up -d 
   ​
   cpu版本    
   docker compose -f docker-compose.cpu.yaml up -d
   ​
   docker compose logs -f --no-log-prefix

3. 访问 ChatTTS WebUI

   启动:['0.0.0.0', '9966']，也即，访问部署设备的 IP:9966 即可，例如：

   • 本机：http://127.0.0.1:9966

   • 服务器: http://192.168.1.100:9966

更新

1. Get the latest code from the main branch:

   git checkout main
   git pull origin main

2. Go to the next step and update to the latest image:

   docker compose down
   ​
   gpu版本
   docker compose -f docker-compose.gpu.yaml up -d --build
   ​
   cpu版本
   docker compose -f docker-compose.cpu.yaml up -d --build
   ​
   docker compose logs -f --no-log-prefix

Linux 下源码部署

1. 配置好 python3.9-3.11环境，安装 ffmpeg。 yum install ffmpeg 或 apt-get install ffmpeg等

2. 创建空目录 /data/chattts 执行命令 cd /data/chattts && git clone https://github.com/jianchang512/chatTTS-ui .

3. 创建虚拟环境 python3 -m venv venv

4. 激活虚拟环境 source ./venv/bin/activate

5. 安装依赖 pip3 install -r requirements.txt

6. 如果不需要CUDA加速，执行

   pip3 install torch==2.2.0 torchaudio==2.2.0

   如果需要CUDA加速，执行

   pip install torch==2.2.0 torchaudio==2.2.0 --index-url https://download.pytorch.org/whl/cu118
   ​
   pip install nvidia-cublas-cu11 nvidia-cudnn-cu11

   另需安装 CUDA11.8+ ToolKit，请自行搜索安装方法 或参考 https://juejin.cn/post/7318704408727519270

   除CUDA外，也可以使用AMD GPU进行加速，这需要安装ROCm和PyTorch_ROCm版本。AMG GPU借助ROCm，在PyTorch开箱即用，无需额外修改代码。

   1. 请参考Quick start installation guide — ROCm installation (Linux) 来安装AMD GPU Driver及ROCm.

   2. 再通过PyTorch 安装PyTorch_ROCm版本。

   pip3 install torch==2.2.0 torchaudio==2.2.0 --index-url https://download.pytorch.org/whl/rocm6.0

   安装完成后，可以通过rocm-smi命令来查看系统中的AMD GPU。也可以用以下Torch代码(query_gpu.py)来查询当前AMD GPU Device.

   import torch
   ​
   print(torch.__version__)
   ​
   if torch.cuda.is_available():device = torch.device("cuda")          # a CUDA device objectprint('Using GPU:', torch.cuda.get_device_name(0))
   else:device = torch.device("cpu")print('Using CPU')
   ​
   torch.cuda.get_device_properties(0)

   使用以上代码，以AMD Radeon Pro W7900为例，查询设备如下。

   $ python ~/query_gpu.py
   ​
   2.4.0.dev20240401+rocm6.0
   ​
   Using GPU: AMD Radeon PRO W7900